📚#سفر_به_دنیای_کتاب_ها

💡 دنیای امروز، تلفیق علوم اعصاب و ریاضیات به یکی از زمینه‌های تحقیقاتی جذاب و ضروری تبدیل شده است. با استفاده از ابزارهای ریاضی، دانشمندان می‌توانند الگوهای پیچیده رفتارهای مغز و نورون‌ها را مدل‌سازی کنند و به درک بهتری از عملکردهای شناختی، حسی و حرکتی برسند. کتاب‌هایی که در ادامه معرفی می‌شوند، به بررسی مفاهیم و تکنیک‌های ریاضیاتی در علوم اعصاب می‌پردازند و به محققان و دانشجویان کمک می‌کنند تا دانش خود را در این حوزه گسترش دهند. این کتاب‌ها از پایه‌های نظری تا کاربردهای عملی در زمینه مدل‌سازی عصبی را پوشش می‌دهند و منبعی ارزشمند برای علاقه‌مندان به این شاخه علمی به شمار می‌آیند.

➡️ در اینجا تعدادی از کتاب‌های برجسته که به علوم اعصاب و ریاضیات پرداخته‌اند، معرفی می‌شوند:

1️⃣ "ریاضی عصبی‌شناسی: مقدمه‌" توسط دیوید استرات، ویلیام جی. مک‌داون و جیمز پل موری
این کتاب مفاهیم ریاضی و تکنیک‌های مدلسازی را که به‌طور خاص در علوم اعصاب کاربرد دارند، معرفی می‌کند و برای هر دو گروه ریاضیدانان و متخصصان علوم اعصاب قابل دسترس است.

2️⃣ "دینامیک‌های عصبی: از نورون‌های تنها به شبکه‌ها و مدل‌های شناخت" توسط ولفرام گرستنر، ورنر م. کیستلر، ریچارد نود و لیزا پانینی
این منبع جامع به مدلسازی ریاضی فعالیت عصبی می‌پردازد و تمرکز آن بر روی چگونگی عملکرد نورون‌های تنها و تعامل آن‌ها در شبکه‌ها است.

3️⃣ "بیوفیزیک محاسبات: پردازش اطلاعات در نورون‌های تنها" توسط کریستوف کوچ
کوچ اصول ریاضی زیرین پردازش اطلاعات در نورون‌ها را با استفاده از مدل‌های بیوفیزیکی بررسی می‌کند و بینش‌هایی درباره چگونگی وقوع محاسبات در مغز ارائه می‌دهد.

4️⃣ "عصبی‌شناسی نظری: مدلسازی محاسباتی و ریاضی سیستم‌های عصبی" توسط پیتر دایان و لورنس اف. آبت
این متن بنیادین، دامنه وسیعی از مفاهیم در علوم اعصاب ریاضی و رویکردهای محاسباتی برای درک عملکرد عصبی را پوشش می‌دهد.

5️⃣ "شبکه‌های عصبی و یادگیری عمیق: یک کتاب درسی" توسط چارو سی. آگرروال
در حالی که این کتاب عمدتاً بر روی یادگیری عمیق متمرکز است، درباره اصول ریاضی که پایه‌گذار شبکه‌های عصبی هستند، بحث می‌کند و بینش‌هایی درباره الگوریتم‌ها و الهامات زیستی آن‌ها ارائه می‌دهد.

6️⃣ "چگونه یک مغز بسازیم: یک معماری عصبی برای شناخت بیولوژیکی" توسط کریس الیاس‌میس یک چارچوب نظری برای ساخت مدل‌های محاسباتی مشابه مغز ارائه می‌دهد و علم زیست‌شناسی، ریاضیات و علم شناختی را به هم می‌پیوندد.

7️⃣ "ریاضیات برای عصب‌شناسان" توسط جان اچ. مک‌آلیف این کتاب ابزارها و مفاهیم ریاضی ضروری را که برای درک و انجام تحقیق در علوم اعصاب مفید است، به خوانندگان آموزش می‌دهد.

✅ این کتاب‌ها به شما کمک می‌کنند تا مبانی ریاضی مرتبط با مطالعه مغز و عملکردهای آن را به خوبی درک کنید.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🔹 #توسعه_و_تحقیق_کار_ها

8️⃣ آموزش آمار با SPSS- قسمت هشتم

😮 در این قسمت با آزمون های دوطرفه ناپارامتری بیشتر آشنا میشیم.

#️⃣#آموزش_آمار_با_SPSS
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🎲#گام_به_گام

💻 کدنویسی

1️⃣1️⃣ دستورات پایه در پایتون: قسمت یازدهم

🔣 ریخته گری پایتون (python casting)

✅ یک نوع متغیر را مشخص کنید.
ممکن است مواقعی پیش بیاید که بخواهید یک نوع بر روی یک متغیر مشخص کنید. این را می‌توان با ریخته گری انجام داد. پایتون یک زبان شی گرا است و به همین دلیل از کلاس‌ها برای تعریف انواع داده‌ها از جمله انواع اولیه آن استفاده می‌کند.
بنابراین ریخته گری در پایتون با استفاده از توابع سازنده انجام می شود:

دستور int() یک عدد صحیح از یک لفظ صحیح، یک حرف شناور (با حذف تمام اعشار)، یا یک رشته حرفی (به شرط اینکه رشته یک عدد کامل را نشان دهد) می‌سازد.

دستور float() یک عدد شناور از یک عدد صحیح واقعی، یک float literal یا یک رشته واقعی (به شرط اینکه رشته نشان دهنده یک شناور یا یک عدد صحیح باشد) می‌سازد.

دستور str() رشته ای را از طیف گسترده ای از انواع داده ها، از جمله رشته ها، حرف های اعداد صحیح و حرف های شناور می سازد.

🟡 مثال
صحیح
x = int(1)
y = int(2.8)
z = int("3")
print(x)
print(y)
print(z)
خروجی پایتون:
۱
۲
۳
شناور
x = float(1)
y = float(2.8)
z = float("3")
w = float("4.2")
print(x)
print(y)
print(z)
print(w)
خروجی پایتون
1.0
2.8
3.0
4.2
رشته
x = str("s1")
y = str(2)
z = str(3.0)
print(x)
print(y)
print(z)
خروجی پایتون
s1
2
3.0
⬅️ ادامه دارد....

#️⃣#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🎲#گام_به_گام

🤩 واژگان ریاضی، کلمات واژگان ریاضیات را به زبان انگلیسی بیاموزید.

📱https://youtu.be/3QpcKw3v2Mo?si=duIBx1Ql2pBjDUCn

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🤩 نگاهی به دوره های برگزار شده توسط مجموعه علمی و پژوهشی مدارس میان رشته ای در حوزه ریاضی، آمار و علوم کامپیوتر از سال 2018 تا 2024

‼️ خبر ویژه: شروع ثبت نام یک دوره جذاب پاییزی به میزبانی دپارتمان ریاضی، آمار و علوم کامپیوتر به زودی:

👈عنوان دوره دوره‌ پاییزی دپارتمان ریاضی، آمار و علوم کامپیوتر:

1- دوره R از مقدماتی تا پیشرفته

✨ مخاطبان هدف: کلیه دانشجویانی که می خواهند با پلت فرم و زبان برنامه نویسی R به صورت کاربردی آشنا شوند.

✅ نحوه برگزاری کلاس: این دوره به صورت آنلاین برگزار می شود.

🔴معرفی و ثبت نام این دوره به زودی در کانال تلگرام دپارتمان ریاضی، آمار و علوم کامپیوتر شروع می شود:

🔣لینک کانال ریاضی، آمار و علوم کامپیوتر جهت اطلاع از دوره ها
✉️@IDS_Math

✈️@IDSchools

✨✨✨#زیبایی_های_ریاضی✨✨✨

🤩 تمام الگوهای موجود در طبیعت را ممکن است با استفاده از این نظریه ریاضی توصیف شود. آلن تورینگ چگونه روی دید ما از جهان طبیعی تأثیر گذاشت؟

📱https://youtu.be/F1hX_nzTlgU?si=eweSU-V-T57cYT_3

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✈️@IDSchools
✈️@IDS_Math

🖥 #سازنده_جهان_دیجیتال

📱 این ویدیو با برجسته کردن 10 فناوری برتر برای یادگیری در سال 2024، آخرین روندهای فناوری را ارائه می‌دهد. با گذشت زمان، پیشرفت‌های فن‌آوری جدید همچنان به ظهور می‌رسند و به چالش‌های جهانی می‌پردازند و نوید ساده‌سازی زندگی در سال‌های آینده را می‌دهند.

https://youtu.be/vQPgEm9jAJI?si=F3P07hXnbx58Bi84

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

📚#سفر_به_دنیای_کتاب_ها
✨10 کتاب آماری که باید دانلود کنید! (دسترسی رایگان)
در این پست ما این کتاب‌های فوق العاده را با شما به اشتراک می‌گذاریم که مطمئنا به پروژه تحقیقاتی شما کمک می‌کند.

1️⃣ مقدمه ای بر آمارهای نوین
مقدمه‌ای بر آمار مدرن، ویرایش اول توسط Mine Çetinkaya-Rundel و Johanna Hardin است. Introduction to Modern Statistics، یک کتاب درسی از پروژه OpenIntro است.
2️⃣ آشنایی با آمار و طراحی تجربی
این کتاب درسی، زمینه لازم برای استفاده صحیح، تفسیر و درک آمار و داده‌های آماری را در تنظیمات مختلف فراهم می‌کند. بخش اول مفاهیم کلیدی در آمار را به راحتی روشن می‌کند. بخش‌های I و II مروری بر رایج‌ترین آزمون‌ها (آزمون t، ANOVA، همبستگی) ارائه می‌کنند و اصول آماری آن‌ها را بررسی می‌کنند. بخش سوم بینشی در مورد فراآمار ارائه می‌دهد و نشان می‌دهد که چرا آزمایش‌ها اغلب تکرار نمی‌شوند. در نهایت، کتاب درسی نشان می‌دهد که چگونه می‌توان با استفاده از طراحی آزمایشی هوشمندانه از آمارهای پیچیده جلوگیری کرد.
3️⃣ آمار برای دانشجویان پژوهشگر
هدف این کتاب کمک به درک و هدایت مفاهیم آماری و انواع اصلی تحلیل های آماری ضروری برای دانشجویان پژوهشی است.
4️⃣ آمار مدرن با R
دهه‌های گذشته دنیای تحلیل داده‌های آماری را با روش‌های جدید، انواع جدید داده‌ها و ابزارهای محاسباتی جدید متحول کرده است. هدف Modern Statistics with R این است که شما را با بخش‌های کلیدی مجموعه ابزار آماری مدرن آشنا کند.
5️⃣ راه حل‌های نمونه اندازه کوچک
محققان اغلب در جمع‌آوری داده‌های کافی برای آزمایش فرضیه‌های خود با مشکل مواجه می‌شوند، یا به این دلیل که گروه‌های هدف کوچک هستند یا دسترسی به آنها دشوار است، یا به این دلیل که جمع‌آوری داده‌ها مستلزم هزینه‌های گزافی است. چنین موانعی ممکن است منجر به مجموعه داده‌هایی شود که برای پیچیدگی مدل آماری مورد نیاز برای پاسخ به سؤال تحقیق بسیار کوچک هستند. این کتاب منحصربه‌فرد دستورالعمل‌ها و ابزارهایی را برای پیاده‌سازی راه‌حل‌هایی برای مسائلی که در تحقیقات نمونه کوچک به وجود می‌آیند ارائه می‌کند. هر فصل روش‌های آماری را نشان می‌دهد که به محققین اجازه می‌دهد تا زمانی که نمونه بسیار کوچک است، مدل آماری بهینه را برای سؤال تحقیق خود اعمال کنند.
6️⃣ آمار مقدماتی
آمار مقدماتی دامنه و توالی الزامات یک ترم مقدماتی درس آمار را دنبال می‌کند و برای دانشجویانی که در رشته‌هایی غیر از ریاضی یا مهندسی تحصیل می‌کنند، طراحی شده است. این متن مقداری دانش از جبر متوسط ​​را در نظر گرفته و بر کاربرد آمار بر نظریه تمرکز دارد. آمار مقدماتی شامل کاربردهای عملی ابتکاری است که متن را مرتبط و در دسترس می‌سازد، همچنین تمرین‌های مشترک، مشکلات یکپارچه‌سازی فناوری، و آزمایشگاه‌های آماری را شامل می‌شود.
7️⃣ راهنماهای ریاضی و آمار
این کتاب حاوی محتوایی است که در اصل در صفحه منابع مرکز پشتیبانی ریاضی، وبلاگی که توسط معلمان و کارکنان دانشجو در دانشگاه بالتیمور اداره می‌شود، ارسال شده است. فصل‌ها عمدتاً بر اساس سیستم برچسب‌گذاری وبلاگ منبع سازمان‌دهی شده‌اند و ممکن است شامل ارجاعاتی به دروس ریاضی و آماری باشد که توسط دانشگاه ارائه می‌شود.
8️⃣ آمار عمدتا بی‌ضرر
این متن برای دوره احتمالات و آمار سطح مقدماتی با پیش نیاز جبر متوسط ​​است. تمرکز متن از دستورالعمل‌های انجمن آماری آمریکا برای ارزیابی و آموزش در آموزش آمار (GAISE) پیروی می‌کند.
9️⃣ مقدمه‌ای بر آمار
مقدمه‌ای بر آمار: یک رویکرد مبتنی بر اکسل، دانشجویان را با مفاهیم و کاربردهای آمار، با تمرکز بر استفاده از اکسل برای انجام محاسبات آماری آشنا می‌کند. این کتاب در سطح مقدماتی نوشته شده است و برای دانشجویان در رشته‌هایی غیر از ریاضیات یا مهندسی طراحی شده است، اما به درک اساسی از آمار نیاز دارند. متن بر درک و به کارگیری ابزارهای آماری بیش از تئوری تأکید دارد، اما دانش جبر مورد نیاز است.
0️⃣1️⃣ آمار کالج
آمار مقدماتی برای دوره یک ترم مقدماتی آمار برای دانشجویانی که رشته ریاضی یا مهندسی نیستند در نظر گرفته شده است. بر تفسیر نتایج آماری، به ویژه در شرایط دنیای واقعی تمرکز دارد و فرض می‌کند که دانش‌آموزان درک درستی از جبر متوسط ​​دارند. علاوه بر تمرین پایان بخش و مجموعه تکالیف، نمونه‌هایی از هر موضوع به صورت گام به گام در سراسر متن توضیح داده می‌شود و به دنبال آن یک مسئله امتحان کنید که به عنوان تمرین اضافی برای دانش آموزان طراحی شده است.
✉️@IDSchools
✉️@IDS_Math

🌐 #توسعه_و_تحقیق_کار_ها

9️⃣ آموزش آمار با SPSS- قسمت نهم

◀️ در این قسمت با آزمون بیش از دو گروه (آنالیز واریانس یک طرفه) بیشتر آشنا میشیم.

#️⃣#آموزش_آمار_با_SPSS
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🎲#گام_به_گام

💻 کدنویسی

2️⃣1️⃣ دستورات پایه در پایتون: قسمت دوازدهم

⬅️ رشته ها
رشته‌ها در پایتون توسط یک علامت نقل قول یا دو علامت نقل قول احاطه شده‌اند.

خروجی "Hello" با 'Hello' یکسان است.

شما می‌توانید با تابع print() یک رشته را به صورت واقعی نمایش دهید:

🟡 مثال
print("Hello")
print('Hello')
خروجی پایتون
Hello
Hello

⬅️ نقل قول در داخل نقل قول
شما می توانید از نقل قول ها در داخل یک رشته استفاده کنید، به شرطی که با نقل قول های اطراف رشته مطابقت نداشته باشند:

🟡 مثال
print("It's alright")
print("He is called 'Johnny'")
print('He is called "Johnny"')
خروجی پایتون
It's alright
He is called 'Johnny'
He is called "Johnny"

⬅️ رشته را به یک متغیر اختصاص دهید.
تخصیص یک رشته به یک متغیر با نام متغیر و به دنبال آن علامت مساوی و رشته انجام می شود:

🟡 مثال
a = "Hello"
print(a)
خروجی پایتون
Hello

⬅️ رشته های چند خطی
با استفاده از سه نقل قول می توانید یک رشته چند خطی را به یک متغیر اختصاص دهید:

🟡مثال
می توانید از سه نقل قول دوگانه استفاده کنید:
a = """Lorem ipsum dolor sit amet,
consectetur adipiscing elit,
sed do eiusmod tempor incididunt
ut labore et dolore magna aliqua."""
print(a)
یا از سه نقل قول تکی
a = '''Lorem ipsum dolor sit amet,
consectetur adipiscing elit,
sed do eiusmod tempor incididunt
ut labore et dolore magna aliqua.'''
print(a)
خروجی پایتون برای هر دو دستور:
Lorem ipsum dolor sit amet,
consectetur adipiscing elit,
sed do eiusmod tempor incididunt
ut labore et dolore magna aliqua.

❗️توجه: در خروجی، رفتن به خط بعدی در همان موقعیتی که در کد درج شده است، اتفاق می‌افتد.
🕐 ادامه دارد....

#️⃣#کدنویسی
#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

😊#زنگ تفریح

🤔 ریاضیات کشف شده یا اختراع شده است؟!


📱https://youtu.be/X_xR5Kes4Rs?si=8rSZRq3r4uttUhX8

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

✨✨✨#زیبایی_های_ریاضی✨✨✨

💡 ما هر روز از اعداد استفاده می‌کنیم، اما آیا می‌دانید که هر عدد ویژگی‌های منحصر به فردی دارد؟ بیایید نگاهی به برخی از خواص شگفت‌انگیز اعداد بیندازیم. آیا می‌خواهید یاد بگیرید که چگونه می‌توان یک عدد Palindromic یا Gapful را تشخیص داد یا اعداد جاسوسی را از دیگر اعداد متمایز کرد؟ اعداد می‌توانند واقعاً جذاب باشند!

◀️نظریه اعداد، شاخه‌ای از ریاضیات است که به مطالعه ویژگی‌های اعداد صحیح اختصاص دارد. بیایید برنامه‌ای بسازیم که خصوصیات اعداد ورودی را نمایش دهد.

✅ اعداد Buzz: این اعداد یا بر 7 بخش پذیر هستند یا با 7 پایان می‌یابند. به عنوان مثال، عدد 14 یک عدد Buzz است، زیرا بدون باقی‌مانده بر 7 بخش پذیر است. عدد 17 نیز به 7 ختم می‌شود و بنابراین یک عدد Buzz است. اما عدد 75 یک عدد Buzz نیست، زیرا نه بر 7 بخش پذیر است و نه به 7 ختم می‌شود. عدد 7 هم یک عدد Buzz به حساب می‌آید.

✅ اعداد Duck: این اعداد مثبت دارای حداقل یک صفر هستند. برای مثال، 3210، 8050896 و 70709 اعداد Duck هستند. توجه داشته باشید که عددی با صفر ابتدایی، عدد Duck نیست. برای مثال، 035 و 0212 اعداد Duck نیستند، اما 01203 یک عدد Duck است زیرا دارای صفر دنباله‌دار است.

✅ اعداد Palindromic: این اعداد متقارن هستند و از هر دو سمت که خوانده شوند، یکسان باقی می‌مانند. به عنوان مثال، 17371 و 5 هر دو عدد Palindromic هستند، در حالی که عدد 1234 Palindromic نیست چون از سمت راست خوانده شود، 4321 خواهد شد.

✅ اعداد Gapful: این اعداد حداقل شامل 3 رقم هستند و بر الحاق اولین و آخرین رقم آن‌ها بدون باقی‌مانده بخش پذیرند. برای مثال، 12 یک عدد Gapful نیست زیرا فقط دو رقم دارد، اما 132 یک عدد Gapful است زیرا 132 % 12 == 0. مثال دیگری از یک عدد Gapful، 7881 است زیرا 7881 % 71 == 0.

✅ اعداد جاسوسی: اگر مجموع تمام ارقام برابر با حاصل‌ضرب آن‌ها باشد، آن عدد جاسوسی است.

✅ اعداد آفتابی: اگر N+1 یک عدد مربع کامل باشد، N یک عدد آفتابی است و می‌توان آن را به صورت 3 × 3 نوشت.

✅ اعداد پرشی: یک عدد پرشی است اگر ارقام مجاور آن با 1 متفاوت باشند. تفاوت بین 9 و 0 به عنوان 1 در نظر گرفته نمی‌شود. برای مثال، 78987 و 4343456 اعداد پرشی هستند، اما 796 و 89098 نیستند.

✅ اعداد خوشحال: در تئوری اعداد، عددی خوشحال است که پس از دنباله‌ای که در آن عدد با مجموع مربع‌های هر رقم جایگزین می‌شود، به عدد 1 برسد. برای مثال، 13 یک عدد خوشحال است زیرا 1^2 + 3^2 = 10 که منجر به 1^2 + 0^2 = 1 می‌شود. اما عدد 4 خوشحال نیست زیرا دنباله‌ای که با 2^4 شروع می‌شود به چرخه‌ای بی‌نهایت منتهی می‌شود. به اعدادی که خوشحال نیستند "غمگین" یا "ناخوشنود" گفته می‌شود.

#️⃣#IDSchools
#️⃣#IDS
#️⃣#IDS_Math

✉️@IDSchools
✉️@IDS_Math

🔈 معرفی و ثبت نام دوره پاییزی دپارتمان ریاضی، آمار و علوم کامپیوتر با عنوان «دوره R از مقدماتی تا پیشرفته؛ تحلیل حرفه ای داده با R»

📊 در دنیای امروز، داده‌ها به عنوان یکی از مهم‌ترین دارایی‌های مراکز پژوهشی، سازمان‌ها و کسب‌وکارها شناخته می‌شوند. با رشد روزافزون حجم و پیچیدگی داده‌ها، نیاز به ابزارها و مهارت‌های مناسب برای تحلیل سریع و دقیق آن‌ها بیشتر شده است. تسلط بر این ابزارها، تحلیلگران را قادر می‌سازد تا فرآیندهای پاک‌سازی، تغییر شکل و تجسم داده‌ها را به صورت کارآمد و بهینه انجام دهند. «دوره R از مقدماتی تا پیشرفته؛ تحلیل داده حرفه ای با R» برای افرادی طراحی شده است که به دنبال ارتقاء مهارت‌های خود در تحلیل داده هستند و می‌خواهند با استفاده از تکنیک‌ها و ابزارهای استاندارد در دنیای حرفه‌ای تحلیل داده‌ها بدرخشند.

✔️ مخاطبان این دوره پژوهشگران حوزه های علمی مختلف، تحلیلگران و دانشجویان علاقمند به حوزه علم داده، و همینطور افراد شاغل در حوزه فناوری های اطلاعات، تحلیل داده و کسب و کار هستند.

👤 مدرس این دوره آقای دکتر علی محمدی مدرس جهاد دانشگاهی دانشگاه صنعتی شریف است. این دوره طی 12 جلسه دو ساعته و در روزهای شنبه، از ساعت 19 تا 21 برگزار می‌گردد.

🔴 به زودی نحوه ثبت نام در این دوره ارزنده در این کانال خدمت شما عزیزان اطلاع رسانی می شود.


🟣مدیریت دپارتمان ریاضی، آمار و علوم کامپیوتر مجموعه علمی و پژوهشی مدارس میان رشته‌ای

✉️ @IDSchools
✉️ @IDS_Math

🆕🆕🆕🆕🆕🆕🆕🆕🆕

🔴 «دپارتمان ریاضی، آمار و علوم کامپیوتر مجموعه علمی و پژوهشی مدارس میان رشته ای» برگزار می کند:

✨ دوره «زبان برنامه نویسی R از مقدماتی تا پیشرفته؛ تحلیل حرفه ای داده با R»-دوره مجازی

🎙 با حضور:

👤 دکتر علی محمدی، مدرس جهاد دانشگاهی دانشگاه صنعتی شریف

🔹 سرفصل جلسات:

⬅️هفته اول: مبانی R و نصب برنامه
⬅️هفته دوم: کنترل جریان برنامه، انواع شرط ها، حلقه و توابع
⬅️هفته سوم و چهارم: Basic Data Management
⬅️هفته پنجم و ششم: Basic Graph
⬅️ هفته هفتم و هشتم: Basic Statistics
⬅️هفته نهم و دهم: Regression
⬅️هفته یازدهم و دوازدهم: Basic Network Analysis in R

❗️شنبه ها، به مدت 12 هفته، 12 جلسه دو ساعته از 3 آذر تا 20 بهمن 1403
⏰ از ساعت 🔜 19 تا 21

✅ همراه با گواهی حضور به انگلیسی

🔴 ثبت نام و کسب اطلاعات بیشتر:

https://t.iss.one/IDS_Math


✉️ https://t.iss.one/IDS_Math
✉️ https://t.iss.one/IDSchools

✨ نحوه ثبت نام در دوره «زبان برنامه نویسی R از مقدماتی تا پیشرفته؛ تحلیل حرفه ای داده با R»-دوره مجازی ✨

👈 به اطلاع می‌رساند که ظرفیت این دوره 30 نفر و شهریه برای ثبت نام در این دوره مجازی 500 هزار تومان است. عزیزان می توانند مبلغ فوق الذکر را به کارت بانکی زیر با شماره

6037 9974 5277 4442

به نام مسلم صلحی راد
واریز فرموده و تصویر رسید را همراه با مشخصات خود در گوگل فرم زیر آپلود نمایند.

https://docs.google.com/forms/d/1U8syRwXv8qgeMoMTj8enDjmjgyoUp8Qg2TckUt3yLJQ/edit

‼️ کلیه عزیزانی که در یکی از دوره‌های این مجموعه در سال‌های 1402 و 1403 شرکت داشته‌اند، از 30 هزار تومان تخفیف برخوردار می‌شوند.

🟢 در صورت بروز هرگونه سوال در خصوص ثبت‌نام در این دوره با آی دی زیر در ارتباط باشید:

@InterdisciplinarySchools2


◀️ ارائه های این دوره به صورت مجازی و در روزهای شنبه، ساعت 19 تا 21 و به مدت 12 هفته برگزار می‌شود. بعد از هر ارائه فیلم و کدها تقدیم حضور شرکت کنندگان می‌گردد.

🟡 به شرکت کنندگان در این دوره گواهی حضور به انگلیسی تقدیم می‌شود.


🔹 سرفصل جلسات:

⬅️ هفته اول: مبانی R و نصب برنامه
⬅️هفته دوم: کنترل جریان برنامه، انواع شرط ها، حلقه و توابع
⬅️هفته سوم و چهارم: Basic Data Management
⬅️هفته پنجم و ششم: Basic Graph
⬅️ هفته هفتم و هشتم: Basic Statistics
⬅️هفته نهم و دهم: Regression
⬅️هفته یازدهم و دوازدهم: Basic Network Analysis in R

⏰ ساعت 🔜19 تا 21

🎙 با ارائه
👤دکتر علی محمدی، مدرس جهاد دانشگاهی دانشگاه صنعتی شریف


✉️ @NeuroSci_IDSchools
✉️ @IDS_Physics
✉️ @IDS_AI_ML
✉️ @IDSchools
✉️ @IDS_Math
✉️ @IDS_Med
✉️ @IDS_Psy
✉️ @IDS_Bio

💥 دوره «زبان برنامه نویسی R از مقدماتی تا پیشرفته؛ تحلیل حرفه ای داده با R»-دوره مجازی

⏰ شنبه‌ها، ساعت 19

🔴 شروع دوره از 3 آذر 1403

⬅️با حضور:

👤 دکتر علی محمدی، مدرس جهاد دانشگاهی دانشگاه صنعتی شریف

✅ تعداد جلسات: 12 جلسه 2 ساعته

🔣 سرفصل جلسات:

✅ هفته اول: مبانی R و نصب برنامه

⬅️ مباحث:
🟡مقدمه
🟡 نصب
🟡 آشنایی با محیط

✅ هفته دوم: کنترل جریان برنامه، انواع شرط ها، حلقه و توابع


✅ هفته سوم و چهارم: Basic Data Management

⬅️مباحث:
🟡دستکاری تاریخ‌ها و مقادیر گمشده
🟡درک تبدیل انواع داده
🟡ایجاد و بازکدگذاری متغیرها
🟡مرتب‌سازی
🟡 ادغام و تقسیم مجموعه‌های داده
🟡انتخاب و حذف متغیرها

✅ هفته پنجم و ششم: Basic Graph

⬅️مباحث:
🟡ایجاد نمودارهای ggplot2

✅ هفته هفتم و هشتم: Basic Statistics

⬅️مباحث:
🟡توابع R برای آمار توصیفی و استنباطی
🟡معیارهای مکان و مقیاس برای متغیرهای کمّی
🟡جداول فراوانی و تقاطعی
🟡بررسی ضرایب همبستگی برای متغیرهای پیوسته و مرتبه ای
🟡بررسی تفاوت ها در آزمون های پارامتری (آزمون T) و غیرپارامتری

✅ هفته نهم و دهم: Regression

⬅️مباحث:
🟡پردازش و تفسیر مدلهای رگرسیون
🟡نحوه انتخاب متغیر
🟡تصمیم گیری برای انتخاب مدل نهایی
🟡تعمیم بخشی به مدلها

✅ هفته یازدهم و دوازدهم: Basic Network Analysis in R

⬅️مباحث:

🟡Simple Visualization
🟡Basic Description
🟡Clustering Coefficient
🟡Network Data Concepts
🟡Network Data Structures
🟡Information Stored in Network Objects
🟡Creating a Network Object in statnet
🟡Managing Node and Tie Attributes
🟡Creating a Network Object in igraph
🟡Importing Network Data
🟡Common Network Data Tasks


👈نحوه ثبت‌نام:

https://t.iss.one/IDS_Math/177

✨ همراه با گواهی حضور به انگلیسی

✈️ @IDS_Math
✈️ @IDSchools

🟩معرفی جلسات 12 گانه دوره «زبان برنامه نویسی R از مقدماتی تا پیشرفته؛ تحلیل حرفه ای داده با R»

1️⃣هفته (جلسه اول) : مبانی R و نصب برنامه


✅ محتوای این جلسه:

در این جلسه ابتدا به معرفی زبان برنامه نویسی R، کاربردها و نقاط قوت و ضعف می‌پردازیم. پس از آن به سراغ نصب موتور R برای برنامه نویسی رفته و با R Studio و امکانات آن آشنا می‌شویم. پس از نصب و آشنایی با محیط مستقیما به سراغ برنامه نویسی در محیط R رفته و با اپراتورهای ریاضیاتی، متغییرها و برخی از انواع داده از جمله بردار و ماتریس آشنا می شویم.


✨ با حضور:

👤 دکتر علی محمدی، مدرس جهاد دانشگاهی دانشگاه صنعتی شریف

👈 نحوه ثبت نام در این دوره:

https://t.iss.one/IDS_Math/177

🔣 سرفصل های این دوره:

https://t.iss.one/IDS_Math/179

🟢 همراه با گواهی شرکت در دوره به انگلیسی 

◀️کسب اطلاعات بیشتر:

✈️@InterdisciplinarySchools2


✉️ @IDS_Math
✉️ @IDSchools

🟩معرفی جلسات 12 گانه دوره «زبان برنامه نویسی R از مقدماتی تا پیشرفته؛ تحلیل حرفه ای داده با R»

2️⃣هفته (جلسه دوم) : کنترل جریان برنامه، انواع شرط ها، حلقه و توابع


✅ محتوای این جلسه:

در این جلسه ابتدا نحوه به کارگیری اپراتور‌های مقایسه‌ای را مورد بحث قرار می‌دهیم. پس از آن به روش‌های کنترل جریان برنامه در R از جمله حلقه‌ها و توابع می‌پردازیم. نهایتا با پکیج‌ها، محتویات آن‌ها و نحوه فراخوانی آن‌ها آشنا می‌شویم.



✨ با حضور:

👤 دکتر علی محمدی، مدرس جهاد دانشگاهی دانشگاه صنعتی شریف

👈 نحوه ثبت نام در این دوره:

https://t.iss.one/IDS_Math/177

🔣 سرفصل های این دوره:

https://t.iss.one/IDS_Math/179

🟢 همراه با گواهی شرکت در دوره به انگلیسی 

◀️کسب اطلاعات بیشتر:

✈️@InterdisciplinarySchools2


✉️ @IDS_Math
✉️ @IDSchools

🟩 معرفی جلسات 12 گانه دوره «زبان برنامه نویسی R از مقدماتی تا پیشرفته؛ تحلیل حرفه ای داده با R»

🔣 هفته (جلسه سوم و چهارم) : Basic Data Management


✅ محتوای این جلسه:

داده‌ها هرگز به شکلی که برای انجام تحلیل مؤثر نیاز دارید، در دسترس شما قرار نمی‌گیرند. داده‌ها باید تغییر شکل، بازآرایی و فرمت شوند تا بتوان آن‌ها را به‌صورت مناسب تجسم کرد. این دوره به مسئله مدیریت داده‌ها می‌پردازد تا بتوانید آن‌ها را تحت کنترل درآورده و به‌طور مؤثر تحلیل کنید. هدف اصلی در مدیریت داده، تبدیل داده‌های نامرتب به داده‌های مرتب است.

این بخش به بسیاری از جزئیات مهم درباره کار با داده‌های مرتب و نامرتب در R می‌پردازد، از جمله:

دستکاری تاریخ‌ها و مقادیر گمشده
درک تبدیل انواع داده
ایجاد و بازکدگذاری متغیرها
مرتب‌سازی، ادغام و تقسیم مجموعه‌های داده
انتخاب و حذف متغیرها


✨ با حضور:

👤 دکتر علی محمدی، مدرس جهاد دانشگاهی دانشگاه صنعتی شریف

👈 نحوه ثبت نام در این دوره:

https://t.iss.one/IDS_Math/177

⬅️ سرفصل های این دوره:

https://t.iss.one/IDS_Math/179

🟢 همراه با گواهی شرکت در دوره به انگلیسی 

◀️ کسب اطلاعات بیشتر:

✈️ @InterdisciplinarySchools2


✉️ @IDS_Math
✉️ @IDSchools